Dasar-Dasar Penguraian Dependensi

Label POS menyebutkan fungsi setiap kata, tetapi tidak menjelaskan hubungan antarkata. penguraian dependensi mengungkapkan kata mana bergantung pada kata lain dan membangun peta kalimat. 🔗

Pengurai menyusun kata-kata menjadi sebuah pohon. Satu kata menjadi akar, dan setiap kata lainnya terhubung melalui tautan berlabel.

Akar biasanya merupakan kata kerja utama yang menjadi pusat kalimat. Dalam The cat chased the mouse, akarnya adalah chased.

Setiap kata memiliki kepala, yaitu kata yang menjadi tempatnya melekat. Kata-kata yang melekat padanya disebut anak, dan bersama-sama membentuk cabang pohon.

Setiap tautan memiliki label yang disebut relasi dependensi. Subjek diberi label nsubj, sedangkan objek langsung diberi label dobj.

Model yang sama yang memberi label pada kata juga mengurainya. Setelah nlp(), setiap token sudah membawa informasi dependensinya dan siap dibaca.

Gunakan token.dep_ untuk relasi dan token.head untuk kata yang menjadi tempat token tersebut melekat. Keduanya menjelaskan posisi token dalam pohon.

Untuk mengetahui pelaku tindakan, cari token yang dep_-nya sama dengan nsubj. Kata tersebut adalah subjek gramatikal dari kata kerja.

Belum yakin dengan arti sebuah label? Berikan label tersebut kepada spacy.explain() untuk mendapatkan penjelasan yang jelas, seperti saat Anda menjelaskan label POS.

Render hasil penguraian dengan displacy. Atur gayanya ke dep, dan fungsi ini akan menggambar panah berlabel dari setiap kepala ke anak-anaknya.

Dependensi mengungkapkan makna nyata, seperti menghubungkan tindakan dengan pelaku dan sasarannya. Struktur ini mendukung ekstraksi, pencarian, dan penjawaban pertanyaan.

Anda telah melihat kalimat sebagai pohon yang terdiri dari kepala dan anak, membaca dep_ di spaCy, serta menggambar hasil penguraian dengan displacy. Kini Anda dapat memetakan hubungan antarkata. 🎉